墨门

1 HRNet论文学习论文：《Deep High-Resolution Representation Learning for Visual Recognition》arxiv链接：https://arxiv.org/abs/1908.079192 代码学习来自于stefanopini开源项目：simple-HRNet感谢stefanopini的分享！

1 前言此博文记录了YOLOv5的学习笔记~

1 南溪常用的docker命令退出docker当前的docker容器：Ctrl+D

1 模型结构1.2 Neck组件——FPNFCOS在Neck部分使用了FPN来进行多尺度分支的目标检测；

1 ASPP模块DCNv2模块的nn.Module类；inc：表示输入通道数；outc：表示输出通道数；OUT_CHANNELS：输出通道的数目；在针对COCO数据集时，我们使用了256；

1 预处理我们可以先来看看Deformable-DETR的预处理部分的代码：感觉还是比较简洁的，主要用到了数值归一化和特征归一化；

1 检测框可视化1.2 添加文字1.2.1 字体大小的物理含义——“字符的高度”字体的大小可以由磅值定义，这里引用网友“插画与设计生活 ”的给出的图片，这里引用一下他的文章，表示感谢——《【字体】字体大小对照表》这里我们再引用一下百科百科的对“字体磅值”的定义：可以看到字体的大小实际上是由字符的高度来确定的；...

ICCV 2019：ACNet: Strengthening the Kernel Skeletons for Powerful CNN via Asymmetric Convolution Blocks地址：https://www.semanticscholar.org/paper/ACNet%3A-Strengthening-the-Kernel-Skeletons-for-CNN-Ding-Guo/f14469790532b5136d283a1b46c6c47a50dbbc79解读视频：

1 前言此文章是夏侯南溪搭建目标检测模型——文件夹结构设计篇～2 文件夹命名使用小写字母命名，单词之间用短线“-”进行连接，例如：plane-detection3 项目文件目录文件目录主要分为三个部分：code、data_set和调试笔记三个部分；data_set：用来放置使用的数据库及包含的标注数据；...

1 南溪最赞赏的目标检测模型——DETR南溪最赞赏的目标检测模型是DETR，论文名称：End-to-End Object Detection with Transformers

1 前言PIL、OpenCV和numpy是Python中使用较多的几种数据格式；2 PIL与OpenCV2.1 PIL转OpenCV其中OpenCV读取图像文件后的存储格式就是np.array;可以参考下面的代码：import cv2# ———— 用PLT显示图片 ————img=cv2.imread('1.jpg') #打开图像,opencv默认读取图片的数据为: (高，宽，通道(B，G，R))。img = img[:,:, (2, 1, 0)] # 改变图像通道顺序为

1 前言我们需要自己开发一款标注软件～2 框架选择UI框架——Qt

1 loss的作用在南溪看来，loss函数是对目标target和预测prediction之间的一种距离度量的公式；2 loss函数的设计原则2.1 自身不变性自身不变性指的是：当 prediction = target时，loss函数的值为0；

1 致谢感谢网友凌风玉提供的资料，博文链接：https://blog.youkuaiyun.com/oLingFengYu/article/details/880336682 不同框架下Tensor和矩阵的维度次序N: batch;C: channelH: heightW: widthPytorch中Tensor的通道顺序：NCHW...

1 前言CenterNet的代码还是有点难懂，不过还是要感谢各位同学分享的资料～2 CenterNet代码的学习笔记2.1 数据读取——COCO类COCO类是用来进行数据读取的，读取之后获得的item有以下几个属性：'image': img,'hmap': hmap, 'w_h_': w_h_, 'regs': regs, 'inds': inds——inds指的是目标中心的线式索引，其中“线式索引”指的是将单张特征图平铺为一维向量之后的索引（或者说坐标），从inds的计算

2 备注2.1 聚类算法中的outliers是怎么定义的呀，是按照一定半径画出决策边界，然后不属于任何一个类的点吗？我在优图交流群中进行了提问，记录如下：我：请问一下，聚类算法中的outliers是怎么定义的呀，是按照一定半径画出决策边界，然后不属于任何一个类的点吗？程昊老师：outlier的定义是由聚类算法确定的，不同的聚类方法对outlier的定义有所不同。ppt里用的是DB...

1 使用val集进行模型验证的核心思想——“没有细节”在南溪看来，使用val集进行模型验证的核心思想就是“没有细节”，让模型无法接触到“试题的细节”进行训练，从而可以真正的验证模型的泛化能力；...

2 备注2.1 请问一下，使用PaddleSlim进行蒸馏的话，teacher模型的选择有什么要求吗，是不是跟student“长得越像”越好？这是飞桨老师们的回复：

1 卷积通道裁剪

1 南溪关注的目标检测任务基于限位框的目标检测实例分割

GN的效果似乎不是很好；群里面有同学说到：

可以参考一下RetinaNet论文的图示：还有比较相似的YOLOV3论文的图示：

1 模型选择可以选择简单的模型来降低计算量；2 剪枝

Keywords: BN1 致谢感谢网友wzy_zju提供的资料，链接如下：https://blog.youkuaiyun.com/wzy_zju/article/details/812624532 前言今天在学习CNN~我之前一直对BN的作用还不是很明白，所以今天再来复习一下~3 Batch Normalization的算法思路这里我们可以参考一下原始论文的算法图：可以看到，这里γ\gammaγ和β\betaβ......

1 前言在写这篇笔记之前，首先我们需要确定的是：Anchor-Based的思路一定优于Anchor-Free的算法，这是毋庸置疑的；你想想，一个事情分成两步做：正负目标分类——目标的精细定位和回归，一个事情一步做：目标分类和回归（负样本被当作其中一种分类）；肯定是分步做好呀；如果有人说，Anchor-Based算法的实验结果优于Anchor-Free算法，那一定是他的算法写...

1 前言在目标检测中，可能会遇到显存不足的情况，我们在这里记录一下解决方案；2 如何减少PyTorch模型需要的显存2.1 减小batch_size的数量最小的数量可以设置为2；2.2 可以减小分辨率减小分辨率是节省显存的一种可行的做法，（但是南溪是不推荐这种做法的，如果实在显存不够，可以减小batch_size的大小，因为降低分辨率从本质上看，是对图像进行下采样，这样必然...

1 前言在基于深度学习的目标检测任务中，训练集与测试集样本分布的不一致是一个影响模型表现的常见因素，为了使得训练集的分布与测试集一致，我们需要采用一定的样本增广操作；2 备注2.1 “第五类和第八类训练数据较少（但是测试集中占比不少）”——出现了类别分布的差异问题可以看到在“第五类和第八类训练数据较少（但是测试集中占比不少）”的问题中，我们一眼就明白，这是一个类别分布不一致的问...

2 备注2.1 在竞赛中，可以会出现提供的数据不符合测试集分布的情况根据百度车道线冠军的经验：数据清洗上，最一开始采用了全部数据训练，发现loss经常出现不规则的跳动，经过排查，发现road 3存在几乎一半以上图像过曝的问题，并且road 3大多在强光下拍摄，不符合测试集的分布，所以很果断的舍弃了road 3，分数也提升了0.01左右（好神奇。。。）。这就说明了，在数据来源不同...

1 前言感受野在目标检测任务中是一个十分重要的可解释性的内在参数，是很重要的，也具有很强的物理意义～2 感受野的计算方法已知：上一层特征图的感受野RFlRF_{l}RFl​，当前层卷积核的大小kl+1k_{l+1}kl+1​，以及之前所有卷积层的步长s1,s2,…,sls_1,s_2,\dots,s_ls1​,s2​,…,sl​，（其中这里的下标lll表示单词“layer”）则感受野的计算...

1 前言让模型最好的学会train集数据的第一步，就是首先让模型过拟合；2 减小学习率过小的学习率会让模型过拟合，这是我在车道线冠军代码里面看到的，gujingxiao同学是这样说的：由于测试集与训练集在图像质量和视觉感知上差距不小，太小的学习率很容易导致过拟合，所以最小的学习率采用0.0001。...

1 数据的类别分布数据的类别分布是数据很重要的特点，因为这会如果数据类别不均衡的话，会引起“class imbalance”的问题，我觉得这个用柱状图表示会比较好看，...

1. 帮助实现特征筛选；

1 前言最近自己在联系写作Xception，在测试的时候，希望写一下笔记记录自己的经验和体会～2 主干网络backbone的测试方法2.1 自洽性（self consistency）测试主要是从张量运算的角度出发，测试模型的运算是否正确，具体来说，就是测试Module的forward过程是否能正常执行，而不会出现编译错误；...

Mixup是一种样本内插的增广技术；

1 前言今天在学习ResNet~一直在学习和研究ResNet，不过有些东西一直没有弄懂，觉得还是需要通过实验来验证一下，今天在学习CS231n时，Yang助教又讲到ResNet，这里我们再来复习和梳理一下ResNet的创作思想~2ResNet所要解决的问题首先，ResNet解决了一个什么样的问题呢？也就是CNN网络无法拟合恒等映射的问题；3 PyTorch代码阅读笔记...

2 备注2.1 IAA库是什么？IAA是一种数据增强库，其一般的引用方式为：import imgaug.augmenters as iaa

Xception假设channel间解耦有效，实验结果证明也的确是有效的，

1 训练和测试数据集的划分比例数据集的划分比例为train: val: test = 7: 2: 1；2 数据随机选择（打乱）使用sklearn中的train_test_split()函数；经过测试train_test_split()函数在默认参数，（也就是不显式地设置random_state参数的情况下），随机种子的初始化是一种真随机的初始化，测试过程如下：第一次测...

1Detectron2的官方地址https://github.com/facebookresearch/detectron2

FCOS、Centre-Net和Corner-Net；